【技术实现步骤摘要】
故障检测方法、装置、电子设备及存储介质
[0001]本公开涉及人工智能
,具体为深度学习、工业大数据
,尤其涉及故障检测方法、装置、电子设备及存储介质。
技术介绍
[0002]目前,为了保证设备的稳定运行,经常需要检测设备中各组件是否发生故障。以飞行器的空气调节系统为例,空气调节系统能够对飞行器的座舱增压、调节温度和湿度,是保证客舱舒适度的关键系统,与此同时,该系统易受外界环境的影响而出现故障。其中,空气调节组件作为制冷控温的核心部件,其性能情况会直接影响到整个空气调节系统和飞行器的运行可靠性,因此,及时、准确地对空气调节组件进行相关故障检测,是一项非常必要的工作。
技术实现思路
[0003]本公开提供了一种故障检测方法、装置、电子设备及存储介质。
[0004]根据本公开的一方面,提供了一种故障检测方法,包括:获取与目标故障关联的待检测数据;采用经过训练的至少两个检测模型分别对所述待检测数据进行故障检测,以得到各所述检测模型对应的第一检测结果;对各所述检测模型对应的第一检测结果进行融合处理,以得到第一目标融合结果;根据所述第一目标融合结果,确定是否存在所述目标故障。
[0005]根据本公开的另一方面,提供了一种用于故障检测的检测模型的训练方法,包括:获取与目标故障关联的第一样本数据和第二样本数据;采用所述第一样本数据对至少两个检测模型进行单独训练,以得到经过预训练的所述至少两个检测模型;采用经过预训练的所述至少两个检测模型,分别对所述第二样本数据进行故障检测,以得到各所述检 ...
【技术保护点】
【技术特征摘要】
1.一种故障检测方法,包括:获取与目标故障关联的待检测数据;采用经过训练的至少两个检测模型分别对所述待检测数据进行故障检测,以得到各所述检测模型对应的第一检测结果;对各所述检测模型对应的第一检测结果进行融合处理,以得到第一目标融合结果;根据所述第一目标融合结果,确定是否存在所述目标故障。2.根据权利要求1所述的方法,其中,所述第一检测结果,为指示存在所述目标故障的概率大小的分值;所述对各所述检测模型对应的第一检测结果进行融合处理,以得到第一目标融合结果,包括:对各所述检测模型对应的所述分值进行加权平均,以得到作为所述第一目标融合结果的第一目标融合分值。3.根据权利要求2所述的方法,其中,所述根据所述第一目标融合结果,确定是否存在所述目标故障,包括:将所述第一目标融合分值与预设第一阈值进行比较;在所述第一目标融合分值大于所述预设第一阈值时,确定存在所述目标故障;在所述第一目标融合分值小于或等于所述预设第一阈值时,确定不存在所述目标故障。4.根据权利要求1
‑
3任一项所述的方法,其中,所述待检测数据,包括:在多个第一采样时间点上,针对至少一个关键变量采集的原始数据,以及根据所述原始数据构建的统计特征数据;其中,所述统计特征数据,包括针对每个所述关键变量,在所述多个第一采样时间点上所采集的原始数据的特征值数据。5.根据权利要求4所述的方法,其中,所述目标故障为飞行器中空气调节组件的流量偏低故障;所述关键变量包括以下变量中的至少一个:所述飞行器的巡航阶段、所述飞行器的飞行高度、外界环境的温度、外界环境的湿度、空气调节系统的压气机的出口温度、所述空气调节组件的出口温度、所述空气调节系统的旁通活门开度。6.一种用于故障检测的检测模型的训练方法,包括:获取与目标故障关联的第一样本数据和第二样本数据;采用所述第一样本数据对至少两个检测模型进行单独训练,以得到经过预训练的所述至少两个检测模型;采用经过预训练的所述至少两个检测模型,分别对所述第二样本数据进行故障检测,以得到各所述检测模型对应的第二检测结果;对各所述检测模型对应的第二检测结果进行融合处理,以得到第二目标融合结果;在所述第二目标融合结果的准确度小于或等于预设第二阈值时,采用所述第一样本数据,重新对经过预训练的所述至少两个检测模型进行单独训练,直至所述第二目标融合结果的准确度大于所述预设第二阈值,得到经过训练的所述至少两个检测模型。7.根据权利要求6所述的方法,其中,所述第一样本数据或所述第二样本数据,包括:在
多个第二采样时间点上,针对至少一个关键变量采集的样本原始数据,以及根据所述样本原始数据构建的样本统计特征数据;其中,所述样本统计特征数据,包括针对每个所述关键变量,在所述多个第二采样时间点上所采集的样本原始数据的特征值数据。8.一种故障检测装置,包括:第一获取模块,用于获取与目标故障关联的待检测数据;第一检测模块,用于采用经过训练的至少两个检测模型分别对所述待检测数据进行故障检测,以得到各所述检测模型对应的第一检测结果;第一融合模块,用于对各所述检测模型对应的第一检测结果进行融合处理,以得到第一目标融合结果;确定模块,用于根据所述第一目标融合结果,确定是否存在所述目标故障。9.根据权利要求8所述的装置,其中,所述第一检测结果,为指示存在所述目标故障的概率大小的分值;所述第一融合模...
【专利技术属性】
技术研发人员:王栋,杨敬,田伦,杨胜文,何佳,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。